Інтелектуальна інформаційна система аналізу та прогнозування даних з використанням сенсорних датчиків
Автор: Ткач Всеволод Олегович
Кваліфікаційний рівень: магістр
Спеціальність: Аналіз даних
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2020-2021 н.р.
Мова захисту: українська
Анотація: Ткач В. О., Кісь Я.П. (керівник). Інтелектуальна інформаційна система аналізу та прогнозування даних з використанням сенсорних датчиків. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2020. Розширена анотація. Комп’ютери та інформаційні технології вже давно пропонують різноманітні технологічні рішення практично у всіх можливих галузях. Відносно інших галузей – галузь прогнозуючих систем звичайно ж розвивається повільнішими темпами, без виключень і в Україні. Системи прогнозування являються все ще рідкістю у плані самостійної роботи, зазвичай все коригуються працівниками сфери діяльності у якій система є застосованою. Говорячи про майбутній розвиток сфери прогнозування даних, слід зазначити що вона вимагає використання сучасних технологій і обладнання, які в свою чергу економлять ресурси та підвищують ефективність праці. Одним з інноваційних рішень що прогресує в буквальному сенсі щодня стали нейронні мережі. Використання нейронних мереж дозволяє інтегрувати її в систему один раз, і надалі відбувається вже процес самонавчання системи. Така система може полегшити процес прогнозування в найбільш різноманітних сферах її використання. Саме тому, розробка інтелектуальної інформаційної системи аналізу та прогнозування даних базуючись на методі лінійної регресії в погодинних рядах є актуальним завданням навіть у сьогодення. Для вирішення поставлених завдань в рамках даної магістерської дипломної роботи було прийнято рішення розробити систему, яка дозволить контролювати і прогнозувати стан погодніх умов без активного залучення людей. Дана система розроблена на основі технології нейрозапису в Python, передбачає наявність сенсорного датчику (базового компоненту в рамках даної роботи) та програмного продукту, який виконує обробку даних, їх формалізацію, та створює прогнози обраних показників на основі вхідних даних. Загальновідомо, що прогнозування – це метод, що використовує минулі результати як досвід, а також сучасні припущення щодо майбутнього, щоб його спрогнозувати. Результат - картина майбутнього, яка може бути використана як основа в процесі планування. Прогноз управління - це розробка моделей розвитку керованого об’єкту. Показники прогнозу (наприклад, числові характеристики об’єкта) мають імовірнісний характер. На основі прогнозів здійснюється передбачення або навіть приймаються управлінські рішення. Вибір методу прогнозування. Вибір методу прогнозування суттєво вдосконалює точність та якість прогнозу, так як: • відповідає за функціональну повноту, надійність і точність прогнозу; • зменшує часові, а також матеріальні затрати на прогнозування. Для вибору методу прогнозування слід врахувати: • динамічну характеристику об’єкта прогнозування в ринковому середовищі; • тип і характер доступної інформації, типове представлення об’єкта прогнозу; • поєднання фаз життєвого циклу, ринкового циклу товару або послуги; • період попередження та його відношення до очікуваної тривалості ринкового, життєвого циклу, циклу розробки або модифікації товару, послуги; Метою дослідження є реалізація аналізу та прогнозування погодніх умов базуючись на вхідних даних отриманих від сенсорних датчиків, що надаються у вигляді таблиці. Методом прогнозування обрано метод лінійної регресії із використанням часових рядів. Задачами дослідження є: • нормалізація, формалізація та інтерполяція вхідних даних, що подано у вигляді таблиць формату xslx. • Розробка серверної сторони програмного продукту ,що відповідає за роботу із вхідними даними. • Проведення наукового дослідження у цілях прогнозування часових рядів методом лінійної регресії. • Реалізація нейронної мережі для аналізу, формалізації та прогнозування даних згідно алгоритму. • Реалізація створеної нейронної мережі у алгоритм прогнозування та налізу даних. Об’єктом дослідження є інтелектуальна інформаційна система аналізу та прогнозування даних із використанням методу лінійної регресії. Предметом дослідження є метод лінійної регресії. Науковою новизною даної інформаційної інтелектуальної системи на основі методу лінійної регресії із використанням часових рядів є покращення формалізування та аналізу вхідних даних, а також точності прогнозування за допомогою створеної нейронної мережі. Практичне значення кінцевих результатів полягає в удосконаленні точності прогнозу на основі проаналізованих та скоригованих вхідних даних, що може допомогти ефективніше аналізувати та прогнозувати дані. Поняття структури та ієрархії важливі для опису систем. Під структурою системи розуміють її стабільне впорядкування та зв’язки між елементами та підсистемами. Структура відображає основні зв’язки між елементами та підсистемами, які мало змінюються зі змінами в системі та забезпечують існування системи та її найважливіших властивостей. Для визначення структури системи необхідно здійснити її послідовне розкладання, тобто виділити в ній підсистеми всіх доступних для аналізу рівнів а також їх елементи, які згідно даного дослідження не поділяються на окремі складові частини. [1] Для того, аби вибрати програмні засоби, які будуть використовуватися при розробці інтелектуальної інформаційної системи прогнозування та аналізу даних на основі сенсорних датчиків, було проаналізовано багато інструментів, які можуть допомогти у розробці цієї системи. Після аналізу було обрано інструменти, які найкраще підходять для розробки інтелектуальної інформаційної системи аналізу та прогнозування даних на основі сенсорних датчиків. За допомогою цього набору інструментів розробка буде швидкою та ефективною. Описані вище бібліотеки повинні допомогти у створенні даного програмного засобу, а саме: Keras, Pandas, matplotlib, SciPy, Scikit-learn. Обраною мовою проектування програмного забезпечення є Python, оскільки вона найкраще підходить для поставлених завдань, та практично не має альтернатив враховуючи наявність усіх вище-зазначених фреймворків. У процесі розробки інтелектуальної інформаційної системи для прогнозування та аналізу даних з використанням сенсорних датчиків було розроблено додаток із підключеною нейронною мережею, функція якого базується на прогнозуванні погоди заздалегідь на основі методу лінійної регресії з урахуванням вхідних даних отриманих від користувача, які можна завантажити через інтерфейс. У цьому розділі розглядаються основні модулі, з яких побудована система. Описується покроково процес від встановлення розробленого програмного продукту до отримання результатів роботи. Переваги використання розробленої інтелектуальної системи полягають у тому, що цей прогноз базується на точних математичних розрахунках із використанням методу лінійної регресії, задіяного в нейронній мережі, завдяки чому ця система стає все точнішою після к Для представлення структури інформаційної системи були побудовані відповідні схеми, що деталізують взаємодію компонентів та процесів проектованої системи. Ключові слова : прогноз погоди, математичні методи, метод лінійної регресії, UML-діаграми,системний аналіз. Перелік використаних літературних джерел. 1. UML- Універсальна мова моделювання [Електронний ресурс]. Режим доступу URL: http://sites.znu.edu.ua/ 2. Прогнозування на основі часових рядів. [Електронний ресурс]. Режим доступу URL: http://lib.chdu.edu.ua/pdf/posibnuku/313/9.pdf. 3. Метод лінійної регресії [Електронний ресурс]. Режим доступу URL: https://posibnyky.vntu.edu.ua/kocuba/p6.html. 4. Організація наукових досліджень, написання та захист магістерськоі? дисертаціі?: навч. пос. / А. Ю. Берко, Є. В. Буров, О. М. Верес, А. В. Катренко, П. О. Кравець, Ю. В. Нікольськии?, В. В. Пасічник . – Л. : «Новии? Світ–2000», 2012. – 282 с. 5. Прогнозування та аналіз часових рядів [Електронний ресурс]. Режим доступу URL: http://ir.stu.cn.ua/bitstream/handle/.